Введение
Глава 1. Аналитический обзор эволюционных алгоритмов, искусственных нейронных сетей и нейроэволюционого подхода 15
1.1. Обзор и анализ эволюционных алгоритмов 15
1.1.1 классификация методов адаптации в эа 19
1.2. Искусственные нейронные сети 22
1.2.1. Проблема формирования обучающего множества данных 26
1.2.2. Нейросетевая обработка изображений 27
1.3. Анализ нейроэволюционного подхода 30
1.3.1. Эволюционная настройка весов связей инс 31
1.3.2. Эволюционная настройка структуры инс 34
1.3.3. Одновременная эволюционная настройка весов связей и структуры инс 37
1.3.4. Приложения нэ подхода 39
1.4. Цель и задачи исследования 45
1.5. Основные результаты и выводы по главе 46
Глава 2. Исследование эволюционных алгоритмов 48
2.1. Анализ операторов кроссинговера 48
2.1.1. Вероятность сохранения шаблона 50
2.1.2. Время смешивания 51
2.1.2.1 способ вычисления времени смешивания для ок для целочисленных хромосом. 53
2.1.2.2 экспериментальная проверка оценок времени смешивания 57
2.1.2.3 анализ и обсуждение результатов моделирования 59
2.2. Генный оператор кроссинговера 61
2.2.1. Исследование эффективности генного ок 64
2.2.2. Выводы по исследованию эффективности генного ок 74
2.3. Адаптация размера популяции 75
2.3.1. Исследование влияния изменения размера популяции на характеристики эволюционного поиска 77
2.3.2. Стратегия адаптации размера популяции 83
2.4. Основные результаты и выводы по главе 90
Глава 3. Описание и тестирование разработанного нейроэволюционный алгоритм neva 92
3.1. Индексирование нейронов инс 92
3.2. Общее описание разработанного нэ алгоритма.; 94
3.3. Кодирование информации 95
3.4. Генетические операторы 96
3.4.1. Оператор скрещивания 97
3.4.2. Оператор мутации 99
3.5. Экспериментальное исследование разработанного нэ алгоритма .v 103
3.5.1. Исключающее или 105
3.5.2. Задача балансирования шестов 110
3.6. Разработка библиотеки классов для эволюционных вычислений 116
3.6.1. Обзор существующих инструментальных библиотек для эволюционных вычислений 116
3.6.2. Общие требования к библиотеке классов 117
3.6.3. Выбор средств разработки 119
3.7. Структура разработанной библиотеки классов ecworkshop 120
3.7.1. Общее описание 120
3.7.2. Описание структур данных 123
3.7.3. Описание классов эволюционных операторов 125
3.7.4. Описание класса задачи 127
3.7.5. Описание класса эволюционного алгоритма 129
3.8. Реализация нейронной сети 132
3.9. Основные результаты и выводы по главе 133
Глава 4. Улучшение качества цифровых изображений 135
4.1. Вводные замечания 135
4.2. Общие положения предлагаемого способа нейросетевой обработки изображений 136
4.3. Оценка функционирования инс 138
4.3.1. Анализ и модификация оценки мунтеану-роса 139
4.3.2. Ранняя проверка инс 145
4.4. Трехэтапная обработка 146
4.5. Приближенное вычисление локальных характеристик 148
4.5.1 экспериментальное исследование точности приближенных формул для вычисления локальных характеристик 151
4.6 тестирование трехэтапного способа обработки изображений 162
4.6.1 описание экспериментов 162
4.6.2 результаты экспериментов 163
4.7 анализ работы инс 168
4.8. Описание программ для обработки изображений 172
4.8.1. Описание программы qlmager 172
4.8.2. Описание программы qlmagerlite 176
4.9 основные результаты и выводы по главе 4 178
Заключение 180
Список использованных источников 182
